La thérapie génique fait face depuis longtemps à un paradoxe persistant. Les outils nécessaires pour acheminer le matériel génétique dans les cellules humaines, qu’il s’agisse de vecteurs viraux ou de nanoparticules synthétiques, ont tendance à déclencher le système immunitaire même qu’ils essaient d’éviter. L’organisme reconnaît les composants étrangers et met en place une défense. Cela limite la fréquence d’administration des traitements, ce qui limite par conséquent leur utilité pour les affections chroniques. Une étude publiée dans Nature Communications par des chercheurs de l’Académie chinoise des sciences, de l’Université chinoise de Hong Kong, du Zhejiang Lab et de l’Université ShanghaiTech propose une approche différente, utiliser les propres protéines du corps humain comme véhicule d’administration.
Le problème des pièces d’emprunt
Pour comprendre pourquoi cela importe, il est utile de comprendre ce que fait réellement une structure d’administration. Dans les thérapies à base d’ARNm, la charge utile génétique a besoin d’un transporteur pour atteindre l’intérieur d’une cellule sans être détruite ou signalée comme une menace. La plupart des systèmes actuels reposent sur des nanoparticules lipidiques ou des composants viraux, dont beaucoup sont d’origine non humaine. Le système immunitaire est remarquablement doué pour distinguer le soi du non-soi. Les composants non humains, même lorsqu’ils sont soigneusement conçus, comportent le risque de déclencher des réponses immunitaires qui rendent les doses répétées difficiles ou dangereuses.
La logique derrière cette nouvelle recherche est simple, si la structure est construite à partir de protéines humaines, le système immunitaire est moins enclin à la traiter comme un intrus. Le défi consiste à identifier quelles protéines humaines sont réellement capables de former des particules stables et d’acheminer une cargaison d’ARNm. Le protéome humain est vaste. Le parcourir manuellement ou par des méthodes expérimentales traditionnelles serait d’une lenteur prohibitive.
Ce que DeepDelivery a réellement fait
C’est ici que la plateforme d’IA, nommée DeepDelivery par l’équipe de recherche, entre en jeu. Le système a réalisé un criblage à l’échelle du protéome, en évaluant des candidats sur l’ensemble de la gamme des protéines humaines, et a désigné 512 candidats potentiels comme composants de structure. Parmi cet ensemble, 15 ont été sélectionnés pour une validation expérimentale. Douze de ces 15 ont fonctionné comme des composants de structure capables de faciliter la formation de particules et l’administration d’ARNm. C’est un taux de réussite qu’il serait difficile d’atteindre par des approches conventionnelles d’essais et erreurs.
L’une des découvertes les plus inattendues concernait une famille de protéines appelée les protéines TRIM, pour protéines à motif tripartite. Celles-ci sont généralement associées aux réponses immunitaires antivirales, ce qui signifie que l’organisme les déploie pour lutter contre les virus. L’étude a découvert que plusieurs protéines de la famille TRIM présentent une forte activité d’assemblage et d’administration, ce qui en fait des candidates pour le type même de transport de cargaison qu’elles s’efforceraient normalement d’empêcher. Il ne s’agit pas tant d’une contradiction que d’une démonstration de polyvalence biologique, le rôle principal d’une protéine n’épuise pas son potentiel fonctionnel.
L’équipe ne s’est pas arrêtée à l’identification de candidats. À l’aide de l’interprétabilité des modèles et d’analyses de perturbation, elle a identifié des caractéristiques spécifiques de domaines TRIM qui ont influencé les scores de prédiction de l’IA. Cela leur a permis de guider l’ingénierie des domaines pour une protéine spécifique, TRIM25, améliorant ainsi ses performances d’administration. En d’autres termes, la plateforme n’était pas seulement un outil de criblage. Elle est devenue un guide pour l’ingénierie.
Pourquoi cela signale un virage plus large
La portée de cette recherche dépasse le cadre d’une seule protéine ou d’un seul système d’administration. Ce que représente la plateforme DeepDelivery est un changement méthodologique dans la façon dont la découverte biologique peut fonctionner. Traditionnellement, l’identification d’une protéine dotée d’une fonction utile nécessitait soit de la sérendipité, soit un travail expérimental exhaustif. Le criblage de protéomes piloté par l’IA comprime ce processus, permettant aux chercheurs de passer d’un espace de centaines de milliers de candidats à une liste restreinte et gérable d’expériences affichant un taux de réussite élevé.
Cela a des implications sur la manière dont les thérapies à base d’ARNm pourraient être conçues à l’avenir. Si l’on peut identifier et concevoir de manière fiable des structures d’origine humaine, le problème du traitement chronique devient plus gérable. Les patients qui ont besoin de doses répétées d’une thérapie génique, pour des affections continues plutôt que ponctuelles, font face au plus grand risque de réactions immunitaires envers des composants d’administration étrangers. Une architecture d’administration construite à partir de protéines humaines s’attaque à ce risque à sa source.
La recherche illustre également un aspect important de la relation entre l’IA et la science expérimentale. La plateforme n’a pas remplacé le travail en laboratoire. Douze protéines ont tout de même dû être validées par des expériences physiques. Ce que l’IA a fait, c’est rendre le travail expérimental gérable en réduisant l’espace de recherche, puis, grâce à l’analyse d’interprétabilité, en fournissant des orientations sur la manière de concevoir des candidats spécifiques. Les scientifiques ont dirigé l’enquête, l’IA a géré le volume et la complexité de la recherche initiale.
Des demandes de brevet ont été déposées sur la base des protéines de structure d’origine humaine décrites dans l’étude, et l’un des auteurs correspondants est le cofondateur d’une entreprise de biotechnologie à Shenzhen. La recherche s’oriente vers l’application, et non plus seulement vers la publication.
En bref
Une plateforme d’IA a criblé le protéome humain et identifié des protéines capables d’acheminer de l’ARNm dans les cellules, avec 12 candidats validés expérimentalement sur 15 ayant réussi. L’approche contourne une limite fondamentale de la thérapie génique actuelle, à savoir les réponses immunitaires aux composants d’administration non humains. En utilisant les propres protéines du corps comme structures, et en faisant appel à l’IA pour les trouver et les concevoir, la recherche ouvre la voie à des thérapies qui peuvent être administrées de façon répétée sans déclencher le système immunitaire. La méthode compte autant que le résultat.
D’après un reportage de Nature Communications.